第5章实验1最小二乘拟和.pptVIP

* 数学建模与数学实验 最小二乘拟合 实验目的 实验内容 2、掌握用数学软件求解拟合问题。 1、直观了解拟合基本内容。 1、拟合问题引例及基本理论。 4、实验作业。 2、用数学软件求解拟合问题。 3、应用实例 拟 合 2.拟合的基本原理 1. 拟合问题引例 拟 合 问 题 引 例 1 温度t(0C) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求600C时的电阻R。 设 R=at+b a,b为待定系数 例2 用下面一组数据拟合 中的参数a，b，k 该问题即解最优化问题： 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 最小二乘准则：使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 。 用MATLAB解拟合问题 1、线性最小二乘拟合 2、非线性最小二乘拟合 用MATLAB作线性最小二乘拟合 1. 作多项式f(x)=a1xm+ …+amx+am+1拟合,可利用已有程序: a=polyfit(x,y,m) 2.多项式在x处的值y可用以下命令计算： y=polyval（a，x） 输出拟合多项式系数 a=[a1, …am , am+1] (数组)） 输入同长度 的数组X，Y 拟合多项 式次数 即要求 出二次多项式: 中 的 使得: 例 对下面一组数据作二次多项式拟合 1）输入以下命令： x=0.1:0.1:1; y=[1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,k+,x,z,r) %作出数据点和拟合曲线的图形 2）计算结果： Ａ = -9.8108 20.1293 -0.0317 解：用多项式拟合的命令 MATLAB(zxec2) 1. lsqcurvefit 已知数据点： xdata=（xdata1，xdata2，…，xdatan）， ydata=（ydata1，ydata2，…，ydatan） 用MATLAB作非线性最小二乘拟合 Matlab的提供了两个求非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin。两个命令都要先建立M-文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的,可参考例题. lsqcurvefit用以求含参量x（向量）的向量值函数 F(x,xdata)=（F（x，xdata1），…，F（x，xdatan））T 中的参变量x(向量),使得 输入格式为: (1) x = lsqcurvefit (‘fun’,x0,xdata,ydata); (2) x =lsqcurvefit (‘fun’,x0,xdata,ydata,options); (3) x = lsqcurvefit (‘fun’,x0,xdata,ydata,options,’grad’); (4) [x, options] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (5) [x, options,funval] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (6) [x, options,funval, Jacob] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); fun是一个事先建立的定义函数F(x,xdata) 的M-文件, 自变量为x和xdata 说明：x = lsqcurvefit (‘fun’,x0,xdata,ydata,options); 迭代初值 已知数据点 选项见无 约束优化 lsqnonlin用以求含参量x（向量）的向量值函数 f(x)=(f1(x),f2(x),…,fn(x))T 中的参量x，使得 最小。 其中 fi（x）=f（x，xdat